熊新炎,张 童

(哈尔滨商业大学 轻工学院,哈尔滨 150028)

随着科技日新月异的发展,对于智能安防检测[1]、人机交互领域[2]、虚拟实现领域[3]的应用需求,人体行为识别成为计算机视觉领域中的研究热点之一[4],在国内外人受到广泛研究人员的关注.人体行为识别的方法大致可分为两种:1)基于传感器采集数据方法,再利用识别算法对数据集进行训练和测试.Zhang等[5]提出一种多传感器数据融合人体行为识别,该方法通过LSTM网络,增加数据之间的联系,保留了其中有效的数据,而且所需要的参数相对于其他网络减少,但是,该网络模型的训练速度较慢,消耗的网络资源较多.Tran[6]等提出一种C3D网络进行人体识别,该网络是在原有的2D网络模型的基础上进行修改,提高了网络的计算效率,但是三维网络的参数容易出现过拟合现象.Guo[7]等人提出一种深度学习网络来对可穿戴设备人体行为数据进行识别,在网络模型中增加了多个分支结构,其目的是对不同传感器数据进行分别特征提取与融合,使该网络具有较强的泛华能力,但是这种方法增加了网络的计算复杂度,增加了训练的时间与模型计算的成本.2)基于相机采集数据方法,人体骨骼序列可以通过Kinect和OpenPose进行采集建模,通过一些算法达到识别人体行为的目的.Xin等[8]提出一种基于特征选择的模板识别方法,但是这个方法每个动作的参考模板过于单一,这使动作之间的差异性降低.Li等[9]提出一种人体关节……